EnglishLos datos son el lenguaje de la rendición de cuentas. Sin ellos, la estrategia se vuelve puro teatro.
W. Edwards Deming lo dijo sin rodeos: “En Dios confiamos; todos los demás deben traer datos”. Esta frase se ha repetido en conferencias, escrita en pizarras y usada con cierta ironía para desafiar el famoso efecto HiPPO—la Opinión de la Persona Mejor Pagada.
¿Pero en la práctica? Muchas empresas siguen operando basándose en suposiciones. Suposiciones basadas en la experiencia. En la intuición. En lo que funcionó en el pasado. Los datos suelen aparecer después de que ya se tomó una decisión, como herramienta de validación, no de guía.
¿Lo más irónico? Nunca tuvimos más datos que ahora. Pero tener datos no es lo mismo que saber usarlos. Y mucho menos que construir una cultura que los escuche.
Los datos están. Lo que faltan son las preguntas.
Un ejemplo ilustrativo: en 2021, la empresa finlandesa KONE, conocida por sus ascensores, lanzó una plataforma de mantenimiento predictivo llamada 24/7 Connected Services. Los ascensores, por definición, funcionan o no. Pero el equipo de KONE pensó: ¿y si podemos detectar fallas antes de que ocurran? ¿Qué pasaría si analizamos variaciones mínimas en la temperatura del motor, vibraciones en las puertas o precisión en las paradas?
No empezaron diseñando la solución para después ver quién la usaba. Hicieron lo contrario. Se preguntaron: ¿qué deberíamos saber para actuar antes de que alguien se queje? ¿Y cómo diseñamos un sistema para que esa información fluya de forma automática?
El resultado fue una reducción medible en los tiempos de inactividad en Europa y Asia. No porque tuvieron una corazonada, sino porque construyeron un sistema que evitaba actuar en base a corazonadas.
La enseñanza de fondo es clara: una buena estrategia de datos no comienza con herramientas. Comienza con buenas preguntas.
Liderazgo basado en evidencia: el desafío de entender los datos
A pesar del protagonismo que han ganado los datos en el discurso empresarial, muchos equipos directivos aún no dominan su interpretación. Están familiarizados con los dashboards, pero interpretar visualizaciones no es lo mismo que comprender los datos que las sustentan.
Los errores son comunes: se confunde correlación con causalidad, se extraen conclusiones a partir de porcentajes sin considerar el denominador, y se celebran crecimientos interanuales sin analizar qué condiciones cambiaron respecto al período anterior.
Una encuesta realizada por NewVantage Partners en 2021 reveló que el 92% de los ejecutivos identificó a la cultura organizacional —no la tecnología ni las herramientas— como el principal obstáculo para adoptar un enfoque verdaderamente orientado por datos. Esto implica que, incluso con licencias de Tableau o Power BI, muchas decisiones siguen guiándose por intuiciones o consensos no validados.
En ese contexto, los datos corren el riesgo de volverse performativos. Se moldean para sostener narrativas en lugar de cuestionarlas. Los éxitos se atribuyen a decisiones estratégicas brillantes, mientras que los errores se justifican apelando a “factores imprevisibles” en lugar de revisar las hipótesis iniciales.
No todos los datos son iguales
Los datos deficientes confirman lo que uno quiere oír. Los datos relevantes, en cambio, revelan lo que muchas veces preferimos ignorar.
Un ejemplo ilustrativo: en 2017, Hertz demandó a Accenture por 32 millones de dólares tras el fracaso en el rediseño de su sitio web. El proyecto se desarrolló siguiendo mejores prácticas y perfiles de usuario idealizados, pero sin basarse en datos reales de comportamiento. El resultado: la plataforma nunca se lanzó. No fue un problema técnico. Fue un error estratégico, producto de no haber formulado las preguntas adecuadas desde el inicio.
Este tipo de fallos es más común de lo que parece. Sucede cuando las decisiones clave se toman de forma anticipada, y los datos se incorporan al final del proceso, únicamente para validar lo ya decidido. En esos casos, los datos no informan; decoran.
Un enfoque verdaderamente orientado por datos desafía las suposiciones desde el primer momento. ¿Qué necesitan realmente los usuarios? ¿Dónde están experimentando fricciones? ¿Qué comportamientos han cambiado sin que nadie lo note?
Estas no son preguntas que pueda responder un dashboard. Son preguntas de investigación, de validación de hipótesis, de liderazgo.
El trabajo de un CEO: cuestionar el denominador
Detenerse en este punto es fundamental.
Cuando un líder informa que “la satisfacción del cliente aumentó un 6%”, la primera reacción no debería ser celebrar, sino indagar: ¿6% sobre qué base? ¿Cuántas personas respondieron? ¿Fueron usuarios frecuentes o clientes ocasionales? ¿Se excluyó a quienes abandonaron el servicio antes de participar en la encuesta?
Sin una comprensión clara del denominador, cualquier estadística pierde contexto. Y sin contexto, no se toman decisiones: se consumen titulares.
Como advierten Jeffrey Camm y Lucy McGowan, una de las competencias más importantes para quienes lideran es aprender a cuestionar los datos. No se trata de asentir frente a un gráfico, sino de profundizar.
Las decisiones más perjudiciales no se toman en ausencia de datos, sino en presencia de datos que nadie se anima a desafiar. No basta con escuchar que “las ventas aumentaron”: es necesario preguntar ¿en relación con qué periodo? ¿En qué región? ¿En qué segmento? ¿Se trata de ingresos brutos o de margen operativo?
Porque, en última instancia, hacer la pregunta incorrecta puede ser más riesgoso que no tener datos en absoluto.
¿Cómo se construye una verdadera cultura de datos?
No se trata de dashboards vistosos ni de pruebas A/B superficiales. Tampoco de incluir métricas de adorno en una presentación. Una cultura de datos auténtica se manifiesta cuando toda la organización —y en particular su liderazgo— está entrenada para formular mejores preguntas, distinguir entre ruido e información útil, y poner a prueba sus suposiciones a través de evidencia, no de opiniones dominantes.
Es una cultura donde la experimentación no es exclusiva del marketing. Las decisiones sobre producto, precios, estrategia comercial o incluso procesos de selección se evalúan en función de datos reales, no de consensos internos ni intuiciones heredadas.
Implica crear sistemas que valoren la honestidad intelectual: entornos donde estar equivocado no es un problema, siempre que el error se detecte a través del análisis. En ese enfoque está la verdadera ventaja competitiva.
Un ejemplo ilustrativo es Ocado, el supermercado online del Reino Unido que opera sin tiendas físicas. Su modelo de negocio está completamente estructurado sobre análisis predictivos aplicados a la automatización logística. Mientras otros competidores apostaban por entregas el mismo día con personal humano, Ocado utilizó algoritmos de machine learning para reducir en un 70% los errores de picking, incrementando sus márgenes en una industria históricamente caracterizada por la rentabilidad mínima.
La lección no es únicamente sobre automatización, sino sobre aprendizaje. Se trata de construir sistemas capaces de generar retroalimentación constante, que aprendan más rápido que los de la competencia.
La tentación de la certeza
Muchos equipos de liderazgo se inclinan por la intuición. Es más rápida, transmite decisión y simplifica las reuniones: “Creemos en X, por lo tanto haremos Y”. Ese enfoque deja poco espacio para el debate, evita validar con evidencia y posterga la necesidad de medir. Cuando las cosas no salen bien, la respuesta habitual es: “al menos lo intentamos”.
Pero eso no es liderazgo. Es teatro.
Las organizaciones que sobresalen no siempre son las que toman las apuestas más arriesgadas, sino las que aprenden con mayor velocidad. Las que corrigen antes que el resto. Las que tienen ciclos de retroalimentación más cortos y eficaces.
Equivocarse es parte del proceso. Persistir en el error, no.
En la mayoría de los casos, las decisiones equivocadas no se toman por falta de información, sino por la falsa seguridad de creer que ya se tiene la respuesta, sin cuestionarla.
Construir una cultura verdaderamente orientada por datos no comienza contratando científicos de datos. Comienza cuando el liderazgo deja de preguntar “¿qué creemos?” y empieza a plantearse “¿qué sabemos, y cómo lo sabemos?”
Porque, al final, las creencias no son una estrategia de negocio. Y la esperanza no debería figurar en ningún KPI.